基于时空大数据与AI的实景三维测绘智能更新技术研究

摘要

针对实景三维测绘中动态目标捕捉难、更新周期长与数据冗余大等问题，本文提出一种基于动态-静态分离的三维(3D)高斯splatting智能更新方法，通过时空多源数据融合、动态-静态高斯核分离、人工智能(AI)驱动参数优化与哈希索引增量更新四大模块实现高效建模。结果表明：该方法在Plenoptic等数据集上峰值信噪比(PSNR)达33.52 dB、结构相似性指数(SSIM)为0.967 1、学习感知图像块相似度(LPIPS)低至0.042 3,帧率达82～98 FPS、单次更新时间仅0.05～0.08 s,显著优于现有基线，并成功应用于城市数字孪生场景，将更新周期由小时级压缩至秒级，有效支撑实景三维的实时化与工程化应用。

关键词

实景三维测绘 / 时空大数据 / 人工智能(AI)更新 / 动态场景重建 / 增量更新